中国科学院杭州医学院研究所等发布可实现早期胃癌高精度识别的胃癌影像筛查人工智能模型

文章导读

胃癌筛查的致命盲区，竟被普通CT影像破解？中科院团队联合阿里达摩院推出颠覆性AI模型——仅需常规CT扫描，就能从看似正常的影像中揪出早期胃癌踪迹！传统筛查依赖侵入性内镜且检出率仅1.25%，而GRAPE模型通过独创双分支深度学习技术，在真实病例中实现最高24.5%的检出率，其中超1/4为早期癌变。更震撼的是，它比专业医生敏感度高21.8%，成功捕获了医生漏诊的病例。当医疗资源匮乏地区还在为筛查困境所困，这项技术已悄然打开胃癌早诊新纪元，让23.2%的患者在死神敲门前改写命运。

— 内容由好学术AI分析文章内容生成，仅供参考。

6月24日，中国科学院杭州医学院研究所程向东研究团队联合阿里达摩院、浙江省肿瘤医院等在“自然–医学（Nature Medicine）”发文，推出了一款名为GRAPE（GC risk assessment procedure with AI）的模型，该模型整合了非造影平扫计算机断层扫描（CT）影像分析与深度学习技术，仅需常规临床采集的CT影像数据，即可实现早期胃癌的高精度识别，显著降低了筛查的侵入性和医疗成本。

据统计，我国约30%的胃癌患者在初次就诊时已发展至晚期，失去了手术治疗机会，这充分凸显了早期筛查的重要性。然而，胃癌高发地区普遍面临医疗资源匮乏、患者依从性差及内镜筛查敏感性不足等现实困境，制约了大规模筛查的实施。研究团队基于包含3,470例胃癌病例和3,250例非胃癌病例的内部训练队列开发了GRAPE模型，该模型采用两阶段处理流程：第一阶段通过分割网络定位胃部区域并生成掩模，第二阶段将裁剪后的胃部区域输入双分支网络，其中分割分支负责肿瘤检测，分类分支则整合多级特征区分胃癌阳性与阴性患者。研究表明，GRAPE模型在胃癌筛查中的表现明显优于专业放射科医生，敏感性提升21.8%，特异性提高14.0%，尤其在早期胃癌识别方面优势显著。该模型在两所地区医院的真实案例数据进一步证实，其对高危人群的胃癌检出率分别达到24.5%和17.7%，远超传统筛查方法1.25%的水平。值得注意的是，这些检出病例中有23.2%和26.8%尚处于胃癌早期阶段。此外，GRAPE模型还成功识别出放射科医生漏诊的病例，使得在常规随访过程中实现胃癌早期诊断成为可能。GRAPE模型的推广应用显著提高了胃癌早期诊断率，有望推动当前胃癌防控整体格局的转变。